import requests
from bs4 import BeautifulSoup
import re
import csv

#定義爬取函數
def get_infos(htmls, csvname):
 #信息頭
 headers = {
 'User-Agent': 'Mozilla/5.0 (Windows NT 6.1; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/65.0.3325.181 Safari/537.36'
 }
 #flag在寫入文件時判斷是否為首行
 flag = True
 #判斷第一頁網址，第二頁及其后的網址
 for i in range(10):
 if i == 0:
  html = htmls
 else:
  html = htmls + 'index-{}.html'.format(str(i+1))
 res = requests.get(html, headers=headers)
 soup = BeautifulSoup(res.text, 'lxml')
 alls = soup.select('#asyncRatingRegion > li') #選取網頁的li節點的內容
 #對節點內容進行循環遍歷
 for one in alls:
  paiming = one.div.em.string #排名
  names = str(one.select('div.mov_pic > a')) #電影名稱并將列表字符串化
  name = re.findall('.*?title="(.*?)">.*?', names, re.S)[0] #使用正則表達式提取內容
  content = str(one.select('div.mov_con > p.mt3')) #評論
  realcontent = re.findall('.*?mt3">(.*?)</p>', content, re.S)[0] #同上
  p1 = one.find(name='span', attrs={'class': 'total'}, text=re.compile('\d')) #評分在兩個節點，
  p2 = one.find(name='span', attrs={'class': 'total2'}, text=re.compile('.\d'))
  #判斷評分是否為空
  if p1 and p2 != None:
  p1 = p1.string
  p2 = p2.string
  else:
  p1 = 'no'
  p2 = ' point'
  point = p1 + p2 + '分'
  numbers = one.find(text=re.compile('評分')) #評分數量
  # 保存為csv
  csvnames = 'C:\\Users\lenovo\Desktop\\' + csvname + '.csv'
  with open(csvnames, 'a+', encoding='utf-8') as f:
  writer = csv.writer(f)
  if flag:
   writer.writerow(('paiming', 'name', 'realcontent', 'point', 'numbers'))
  writer.writerow((paiming, name, realcontent, point, numbers))
  flag = False

#調用函數
Japan_html = 'http://www.mtime.com/top/movie/top100_japan/'
csvname1 = 'Japan_top'
get_infos(Japan_html, csvname1)

Korea_html = 'http://www.mtime.com/top/movie/top100_south_korea/'
csvname2 = 'Korea_top'
get_infos(Korea_html, csvname2)

import csv
from matplotlib import pyplot as plt
#中文亂碼處理
plt.rcParams['font.sans-serif'] =['Microsoft YaHei']
plt.rcParams['axes.unicode_minus'] = False

def read_csv(csvname):
 csvfile_name = 'C:\\Users\lenovo\Desktop\\' + csvname + '.csv'
 #打開文件并存入列表
 with open(csvfile_name,encoding='utf-8') as f:
 reader = csv.reader(f)
 header_row = next(reader)
 name = []
 for row in reader:
  name.append(row)
 #取列表中非空元素
 real = []
 for i in name:
 if len(i) != 0:
  real.append(i)
 #去除中文并將數據轉換為整形
 t = 0
 ss = []
 for j in real:
 ss.append(int(real[t][4][:-5]))
 t += 1
 return ss

#繪制對比圖形
All_plt = read_csv('bs1') #調用函數
China_plt = read_csv('China_top')
Japan_plt = read_csv('Japan_top')
Korea_plt = read_csv('Korea_top')
shu = list(range(1,101))
fig = plt.figure(dpi=128, figsize=(10, 6)) #設置圖形界面
plt.subplot(2,1,1)
plt.bar(shu ,All_plt, align='center', color='green', label='World', alpha=0.6) #繪制條圖形,align指定橫坐標在中心，顏色，alpha指定透明度
plt.bar(shu ,China_plt, color='indigo', label='China', alpha=0.4) #繪制圖形，顏色， label屬性用于后面使用legend方法時顯示圖例標簽
plt.bar(shu ,Japan_plt, color='blue', label='Japan',alpha=0.5) #繪制圖形，顏色，
plt.bar(shu ,Korea_plt, color='yellow', label='Korea',alpha=0.5) #繪制圖形，顏色，
plt.ylabel('評論數', fontsize=10) #縱坐標題目，字體大小
plt.title('不同地區的電影top100對比', fontsize=10) #圖形標題
plt.legend(loc='best')

plt.subplot(2,1,2)
plt.plot(shu , All_plt, linewidth=1, c='green', label='World') #繪制圖形,指定線寬，顏色，label屬性用于后面使用legend方法時顯示圖例標簽
plt.plot(shu ,China_plt, linewidth=1, c='indigo', label='China', ls='-.') #繪制圖形,指定線寬，顏色，
plt.plot(shu ,Japan_plt, linewidth=1, c='green', label='Japan', ls='--') #繪制圖形,指定線寬，顏色，
plt.plot(shu ,Korea_plt, linewidth=1, c='red', label='Korea', ls=':') #繪制圖形,指定線寬，顏色，
plt.ylabel('comments', fontsize=10) #縱坐標題目，字體大小
plt.title('The different top 100 movies\'comments comparison', fontsize=10) #圖形標題
plt.legend(loc='best')
'''
plt.legend()——loc參數選擇
'best' : 0, #自動選擇最好位置 
 'upper right' : 1,
 'upper left' : 2,
 'lower left' : 3,
 'lower right' : 4,
 'right' : 5,
 'center left' : 6,
 'center right' : 7,
 'lower center' : 8,
 'upper center' : 9,
 'center' : 10,
 '''
plt.savefig('C:\\Users\lenovo\Desktop\\bs1.png') #保存圖片
plt.show() #顯示圖形